Detaljhandels-scenariots OLAP

Detaljhandels-scenariot innehåller fem stycken dimensionstabeller och en faktatabell som är bestående av mätbar fakta. Fokus i detta schemat har varit på att jämföra detaljhandelns personliga produkter och butiker med konkurrenters butiker, produkter och priser för att se över sin

verksamhet ur ett konkurrenskraftigt perspektiv. Faktatabellen samlar all den mätbara datan som den fysiska butiken kan extrahera utifrån sin försäljning.

Dimensionerna:

D_TIME: Är likadan som i de andra scenariorna utan att någonting har ändrat sig för att kunna analysera dimensionerna ur olika tidsperspektiv med största möjliga

valmöjligheter i form av år, kvartal, månad, vecka och dagar.

D_PRODUCT: Innehåller all information som en analytiker behöver för att jämföra sina produkter med konkurrenternas produkter. Kategori, underkategori och pris finns även med för att undersöka ifall dessa skiljer sig mycket från konkurrenternas nivå.

STORE_ID: Information gällande butikerna som en detaljhandel kan ha. Sorterade på samma sätt som konkurrensdimensionen samt innehållande land då butiker kan sträcka sig utanför Sveriges gränser. Region, stad och detaljerat för att se på abstrakt respektive detaljerad nivå eller jämförelse på likadana nivåer med konkurrenternas butiker.

D_COMPETITOR: En dimension innehållande all den information som en detaljhandel har om sina konkurrenter som säljer samma eller liknande produkter. Dimensionen innehåller kategorier på liknande sätt som produktdimensionen med kategori och underkategori samt produktens namn. Priset på produkten från konkurrenternas butiker finns med i denna tabell för att jämföra med detaljhandelns egna prissättning och kostnaden för att köpa in just dessa produkter. Möjlighet till att jämföra produkter med detaljhandelns egna sortiment kan ge planeringsmöjligheter för att köpa in nya

produkter som kan ge bättre omsättning.

D_SUPPLIER: Leverantörsdimension innehållande alla leverantörer för alla märken som organisationen har i sitt sortiment. Att ha information om leverantören i en dimension gör att detaljhandeln kan använda sitt analysprogram och jämföra sina egna

leverantörer för att försöka få så bra förmåner som möjligt vid inköp.

Faktatabell:

F_SALE: Likadan som i tidigare scenario där en faktatabell samlar den mätbara historiska datan.

Fig. 11 Detaljhandels-scenariots stjärnschema

Dataexempel: Härnäst följer ett exempel på vad dessa tabeller kan innehålla för data. All data är fiktiv, den faktalösa tabell som detta stjärnschema har presenteras inte då inget av intresse fanns att visa med tabellen.

Fig. 12 Detaljhandels-scenariots datatabeller

Exempel på användning av OLAP för detaljhandels-scenariot

OLAP kan även hjälpa detaljhandeln med att informera analytikern om köptrender. Exempelvis skulle OLAP kunna hjälpa detaljhandeln med att se hur försäljningen har gått med Jeans från Lee det senaste året.

SELECT D_TIME.Month, D_PRODUCT.Prod_Brand AS Brand, SUM(F_SALE.Total_Amt) AS Total_Sum

FROM F_SALE, D_PRODUCT, D_TIME

WHERE F_SALE.Prod_ID = D_PRODUCT.Prod_ID AND F_SALE.Time_ID = D_TIME.Time_ID AND F_SALE.Prod_ID = ‘P26’ AND

D_TIME.Year = 2009 GROUP BY D_TIME.Month

ORDER BY D_TIME.Time_ID LIMIT 6;

Resultat för försäljning av Lee Jeans 2009

Month Brand Total_Sum

Analytikern kan sedan använda sig av OLAP för att kontrollera ifall det finns något sammanband mellan dessa försäljningssiffror med tidigare, genom att jämföra tidigare års försäljningssiffror kan analytikern kontrollera ifall dessa samband finns.

SELECT D_TIME.Year, D_PRODUCT.Prod_Brand AS Brand, SUM(F_SALE.Total_Amt) AS Total_Sum

FROM F_SALE, D_PRODUCT, D_TIME

WHERE F_SALE.Prod_ID = D_PRODUCT.Prod_ID AND F_SALE.Time_ID = D_TIME.Time_ID AND F_SALE.Prod_ID = ‘P26’ AND

D_TIME.Month = ‘March GROUP BY D_TIME.Year

ORDER BY D_TIME.Time_ID DESC LIMIT 6;

Resultat för försäljning av Lee Jeans under mars månad för varje år

Year Brand Total_Sum

Detaljhandeln kan även med hjälp av konkurrentdimensionen jämföra sina produkter och priser med konkurrenternas för att se hur de ligger till jämförelsevis.

SELECT D_PRODUCT.Prod_Descrip AS Description, D_PRODUCT.Prod_Brand AS Brand, D_PRODUCT.Prod_Price AS Store_Price, D_COMPETITOR.Comp_Prod_Price AS

Comp_Price, D_COMPETITOR.Comp_Name AS Comp_Name, D_PRODUCT.Prod_Cost AS Prod_Cost

FROM D_PRODUCT, D_COMPETITOR

WHERE D_PRODUCT.Prod_Descrip = D_COMPETITOR.Comp_Prod_Descrip AND D_PRODUCT.Prod_Brand = D_COMPETITOR.Comp_Prod_Brand

ORDER BY D_PRODUCT.Prod_Descrip, D_PRODUCT.Prod_Brand, D_COMPETITOR.Comp_Name LIMIT 3;

Resultat för detaljhandelns jämförelse av produkter och priser mot konkurrenternas Description Brand Store_Price Comp_Price Comp_Name Prod_Cost

SW_Long Sleeve 1 East West 699 559 Åhléns 229

SH_Long Sleeve 1 Riley 249 179 Johansson 79

Jeans 1 Lee 799 699 JC 499

Hur en detaljhandel kan dra nytta av OLAP

Till skillnad från en ehandelsbutik kan inte en fysiskt belagd detaljhandel spara lika mycket

information om sina kunder, oftast kan de inte ens identifiera kunderna eftersom betalning som sker med kontanter innebär att kunden inte registreras i systemet utan endast varan registreras. Detta är dock inget hinder från att använda sig av OLAP då en verksamhet kan lägga till andra dimensioner för att dra fördel över sin situation. Första och andra exemplet som scenariot visar på är liknande de från ehandels-scenariot där detaljhandeln kan använda sig av OLAP för att få en översikt över sina produkter eller butiker men OLAP kan erbjuda mycket mer än så.

Medan en ehandelsbutik hanterar sina kundkontakter elektroniskt kan en fysiskt belagd detaljhandel utnyttja sina fördelar med OLAP med att lägga till dimensioner, fördelar som en fysisk detaljhandel har utöver en elektroniskt är just att de har fysiska aspekter som de kan utnyttja. Dimensioner såsom sina konkurrenter och deras fysiska läge, som tredje exemplet visar med jämförelse av produkter och konkurrenter, är ett sätt att effektivt utnyttja sin situation med OLAP men andra dimensioner kan även tas med för att ytterligare stärka detta. Detaljhandeln kan exempelvis koppla en väderdimension för att analysera ifall vädret har en roll i köpbeteendet hos kunderna, eller koppla information om medelinkomsten i ett område för att analysera ifall det skulle vara lönsamt att öppna en ny butik på den platsen. De kan även använda sig av OLAP för att organisera i butiken genom exempelvis att sätta produkter som säljer mycket längst fram, för att sedan placera

produkter som oftast säljs tillsammans med den produkten längre in i butiken. En annan infallsvinkel som OLAP kan erbjuda en detaljhandel är att lägga till en trafikdimension för att analysera vart det är mest trafik och vilka tidpunkter, med detta kan detaljhandeln avgöra vart det är mest optimalt att placera sitt lager för utkörning till butikerna. Genom att använda sig av information som OLAP kan ge en detaljhandel kan de använda detta till sin fördel och försöka komma med så effektiva lösningar som möjligt som gynnar deras situation.